基于局部自适应阈值与K近邻算法的空气滤芯漏粘识别

空气滤芯产品生产时如果出现漏粘会导致空气直接进入发动机,过滤失效。针对该情况,设计了基于局部自适应阈值与K近邻算法的空气滤芯漏粘识别算法:首先,利用局部自适应阈值分割算法对滤芯图像分割,并通过区域标号算法定位到粘胶亮孔;然后,利用K近邻算法以每个粘胶亮孔为中心,通过该中心亮孔与周围近邻亮孔的灰度相似性,判断中心孔是否为漏粘孔。实验表明所提算法漏粘识别率达到99%,有效提高滤芯产品合格率。

局部自适应阈值法在南通蓝印花布图像分割上的应用研究

针对国家非物质文化遗产--南通蓝印花布在信息化方面的空白,综合分析南通蓝印花布数字图像的特点,提出局部自适应阈值法进行图像分割与边缘检测,并对其结果与其它与其它边缘检测方法的结果进行比对、分析与研究,明确局部自适应阈值法在南通蓝印花布的图像分割与边缘检测方面的优势;随后在JAVA EE环境中利用OpenCV函数库函数实现蓝印花布的局部自适应阈值的边缘检测与图像分割。

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点。首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题,在图像金字塔的每层图像中划分图像网格区域,并遍历计算每层图像网格区域的对比度来设置每个网格区域的局部阈值;最后,在每个图像网格区域中完成特征点提取并利用四叉树结构存储特征点。测试结果表明,本文算法在阴天场景提取的特征点数量比原算法提取的数量多61.9%,在光照充足场景下多23.3%;在阴天场景和光照充足场景下,本文算法提取的特征点数量的波动比原算法提取的特征点数量波动小。

基于自适应局部阈值的彩色图像分割

使用基于图论的最小生成树方法进行图像分割,能够获得全局的分割效果及良好的运行效率,但是图中边的数目太多,而且使用固定阈值合并的最小生成树不能适用于所有彩色图像。本文针对这一问题,结合分水岭方法,先将分水岭变换产生的初始分割区域转变成图论中的顶点和边,再用最小生成树合并,通过分析局部信息变化,得到自适应局部阈值。实验表明,基于自适应局部阈值的最小生成树分割效果比基于全局阈值最小生成树的分割效果要好。

基于自适应局部阈值的交互式图像分割

目前比较主流的交互式图像分割技术,对用户的输入位置和输入量比较敏感,而且用户的输入具有试探性,所以为了得到满意的分割结果,用户不得不多次调整自己的输入,比较繁琐。针对这种不足,提出一种新的交互式图像分割方法。首先采用基于自适应局部阈值的图像分割算法,生成一系列同质区域,并描绘出其轮廓;然后用户用不同颜色,粗略标记出组成不同目标的区域集;最后通过合并同色标记的区域集,完成图像分割。实验结果表明,该算法不仅满足用户对交互式图像分割输入更直观、结果更准确的需要,同时方便地实现了多区域多目标的图像分割。

不均匀光照下的合作目标图像分割方法

针对复杂光照条件下目标测量中,合作目标图像很难被快速、准确分割这一难题,将模糊积分引入图像分割领域,改进传统的局部自适应阈值算法。首先,采用面积求和表(SAT)算法求出合作目标图像的积分图像;其次,根据模糊测度和所选择的离散模糊积分公式计算模糊积分图像;最后,根据模糊积分图像计算每个像素点的阈值,对原图像进行二值化。实验结果表明,改进后的基于模糊积分的局部自适应阈值算法分割的平均结构相似性(SSIM)指标相较于改进前普遍提升了10%~30%,分割效率大幅提升,最终成功地分割合作目标图像。

自适应不同条件的车牌检测算法

针对不同条件下车牌检测速度慢和检测精度低的问题,提出了一种改进自适应形态闭和开操作的车牌检测算法。该算法首先采用局部直方图对车牌图像均衡化处理,使用自适应形态闭操作对所有灰度化区域进行平滑处理,之后引入局部自适应阈值处理,能得到平滑图像和被分离的车牌,最后采用形态学开操作,将外部区域和车牌数连接部分分离。实验结果表明,所提方法的检测精度高于其他算法,同时,平均检测时间少于其他算法,适合不同条件下实时车牌检测。

基于曲波域Mapshrink算法的双阈值去噪

Mapshrink算法广泛应用于小波域的阈值估计,而曲波变换是一种新的多方向性的多尺度变换理论。首先将Mapshrink算法引入曲波域,并分析单一阈值去噪存在的问题,提出一种联合全局阈值和局部自适应阈值的双阈值去噪方法。方法既继承了全局阈值保持图像总体灰度的特性,又保留了局部自适应方法保持边缘细节的优点。实验证明,该方法比单纯在曲波域中使用全局阈值或局部自适应阈值有更加显著的效果。

基于改进分水岭分割算法的致密荧光微滴识别

基于数字微滴图像检测法的数字聚合酶链式反应(PCR)在检测时获取的荧光微滴图像呈密集分布、具有低亮度、低对比度等特点,导致其识别正确率较低。为了实现对密集分布的荧光微滴的正确识别,本文提出一种基于改进的分水岭分割算法的荧光微滴识别方法,首先利用直方图均衡化和高斯滤波对图像进行预处理,然后使用局部自适应阈值分割从背景中提取目标,降低对图像灰度信息的依赖,最后结合微滴形状类圆、尺寸较均匀的特点定义微滴黏连度函数,降低了分水岭分割中的错误分割比例。对比实验表明,与传统的基于距离变换分水岭分割法相比较,本文算法的正确率为97.34%,高于对照方法的85.9%,验证了本文算法的优越性。

Canny算子在PCBA目标边缘提取中的优化应用

为了降低智能手机PCBA电路板元件反光特性对图像灰度产生的干扰,提高边缘连接的完整度,减少伪边缘的数量,本文对传统的canny算子进行改进,用于提取智能手机PCBA电路板的边缘信息。首先,兼顾滤波器去噪与梯度保持特性,使用改进的具有“动态”惩罚因子的引导滤波器替代高斯滤波器,减少边缘点的丢失。然后,使用近邻域局部自适应阈值法取代传统双阈值法,用于解决元件稠密区域存在灰度变化频繁背景与目标差异较小而导致阈值分割不准确的问题。实验结果表明,当滑动窗口保持在19大小时,具有最好的阈值分割效果,伪边缘数量降到最低。本文方法处理后的图像,拥有更完整细化的边缘,伪边缘数量大大减少,局部元件稠密区域,边缘细节得到保留,符合像素级手机PCBA电路板的边缘检测精度要求。

一种基于Spark的公路裂缝图像处理方法

随着公路修建里程增长,为了更高效率地解决路面养护问题,对路面裂缝检测技术进行研究。论文将传统的图像分割处理与Spark结合,提出了一种基于Spark的路面裂缝图像分割处理方法。先将图像预处理转化为二进制文件,读入到分布式文件系统;然后通过传递函数,对裂缝进行图像分割来获得裂缝区域;最后,以局部自适应阈值算法结合Spark平台来进行图像的并行处理,完成裂缝的高效率提取。以在校园拍摄的路面图像数据为实验数据,分别在处理时间和检测准确率这两方面进行实验。由结果可知:利用Spark对数千张图像数据进行计算时,在确定千余张图像数据规模时,双节点比单节点处理时间更少,最多减少了20.4%。在图像分割的准确率方面,已经由之前方法的47.5%提高到了86.3%。实验结果表明,基于Spark的裂缝图像处理,结合局部自适应阈值分割算法进行数千张裂缝图像分割,能有效提升传统方法的处理效率,能实现大规模图像的并行处理。

车载异构非制冷红外成像行人检测系统

车载红外夜间行人检测具有重要的实用价值,传统系统往往结构复杂、行人检测算法实时性难以保证。针对该问题提出了基于FPGA+DaVinci处理器构架的非制冷红外热成像行人检测系统,充分利用红外焦平面的成像特点,获取经预处理后的图像画质清晰;在检测行人区域过程中,提出结合局部自适应阈值分割和形态学处理的预处理方法,能够有效去除强背景的干扰;另外,利用Haar-like特征事先训练AdaBoost分类器,进行ROI的分类、识别。实验结果表明,采用多核心异构的系统,具备结构紧凑、数据通信难度小、算法移植性强等优势;FPGA对算法加速效果约为38%,实时检测帧频达到了25 f/s。

基于改进ORB算法的图像特征点提取与匹配方法

针对传统ORB算法阈值选取固定,存在误提取、误匹配,无法满足不同图像特征点的准确提取和匹配的问题,提出了一种改进的ORB特征点提取与匹配方法。首先设定局部自适应阈值;然后通过像素分类,设计自适应阈值选取准则,达到ORB特征点的精准提取;最后在改进ORB特征点基础上通过PROSAC算法完成对特征点的匹配。实验结果表明,改进后的方法对亮度变化具有较强的适应能力,计算速度和提取精度得到了提升。匹配总时间降低,误匹配点对数量较少,正确匹配率较高,具有良好的准确性和实时性。利用匹配阶段得到的特征点进行跟踪时得到的RMSE误差较小,表明匹配精度得到了较大提升。和其他方法相比,具有更好的环境适应能力和应用价值。

基于树莓派的塑料纽扣次品检测系统设计

针对传统纽扣产业中人工检测过程效率低、经济成本高等问题,设计了一套基于树莓派的塑料纽扣次品检测系统。该系统结合了树莓派开发板、传感器、工业相机、气动剔除装置等硬件设备与软件检测算法,形成一套完整的检测系统。通过工业电荷耦合器件(CCD)相机与传感器配合实时采集流水线上纽扣的图像信息,并将其传输到树莓派,经过图像滤波去噪后,使用局部自适应阈值法保留污渍等纽扣表面易缺失细节。通过检索纽扣轮廓信息以剔除少孔、存在污渍块的次品。通过评价轮廓圆度剔除破损纽扣,最后依据评价结果由树莓派发出控制信号剔除次品纽扣。经试验验证,该检测系统能够较好地实现纽扣次品在线检测的准确性与高效性,且由于其硬件设备体积较小、成本较低、便于维护与管理,易于安装与推广至生产线环境。

基于机器视觉的胶囊缺陷检测系统设计

针对传统人工肉眼检测胶囊缺陷低效率及高误检率问题,设计了一套完整的基于机器视觉的胶囊缺陷检测系统,构建了从上料到传送装置,经过机器视觉光学系统图像采集与工控机图像处理,最后由剔除装置筛选出次品的硬件平台。运用Emgu CV开源计算机视觉库和C#开发人机交互软件系统,包括用户管理、方案配置、相机调参、图像算法等功能。通过测试表明,整个胶囊检测系统可在9~12万粒/h的高速运转下稳定运行,误检率小于5%。具有良好的企业应用前景。

基于数据微观精分的沥青路面裂缝自动化检测

为提高沥青路面裂缝的自动化检测精度,以深度学习模型数据集为对象,结合传统图像处理,提出一种基于裂缝数据进行微观精分的深度学习裂缝数据集处理方法,使深度学习模型能更有针对性地学习沥青路面裂缝的数据特征。在构造数据集时,通过传统的图像处理方法将裂缝宏观精分为龟裂和线性裂缝。在宏观精分基础上,对线性裂缝和龟裂的像素级特征进行微观精分。YOLOv5模型的实验表明:微观精分的裂缝病害模型mAP@.5相较于宏观精分和未精分数据库分别提高8.9%和14.7%,在随机路段上有较好的检测性能。

基于距离变换和分水岭算法的图像分割研究

针对企业在实际钢球生产过程中的计数问题,在对现有图像计数方案研究后,提出了一种基于机器视觉的钢球计数系统。通过黑白面阵相机进行图像采集、自适应直方图均衡化对图像进行增强,对比基于距离变换的分水岭图像分割和局部自适应阈值算法对钢球计数的准确率,最终识别出钢球数量。经样机试验证明,所设计的系统达到了企业所要求的标准,可以快速准确的识别钢球数量,减小了企业计数的成本和误差,提高了企业的生产效率。

基于多层次分块的指纹图像二值化

自适应局部阈值二值化算法,其效果主要取决于能否准确地估计局部阈值。鉴于在指纹奇异点附近及方向变化较快的脊线、谷线区域,局部阈值很难精确得到,提出了一种多层次分块的指纹图像局部阈值的求取方法,并把这种方法用于指纹图像的二值化。实践表明,算法工作稳定,效果良好,鲁棒性强,对低质量图像具有显著的增强效果。

一种基于Sobel算子的边缘检测算法

针对传统Sobel边缘检测算法对噪声敏感、定位不够精确的缺点,提出了改进Sobel算子的边缘检测算法。算法基于均值计算和差分处理角度构造了5×5的梯度权值模板,通过改进的非极大抑制算法有效细化了边缘,采用局部自适应动态阈值提取边缘信息。通过实验表明,该算法不仅能够较快、较好的提取边缘信息,而且具有较强的抗噪能力。

基于Fourier-Mellin变换的液晶显示屏显示缺陷检测

针对液晶显示屏(LCD)显示缺陷检测中待测图像出现的平移和旋转导致误检率过高,传统人工检测效率低、漏检率高,以及图像配准精度对缺陷检测准确率的影响等问题,提出一种基于Fourier-Mellin变换的LCD显示缺陷检测方法。基本原理是利用Fourier-Mellin变换对标准图像和待测图像进行粗配准,通过加速稳健特征/尺度不变特征变换(SURF/SIFT)算法进行细配准,对标准图像和配准后的图像进行加权平均融合得到最终的配准图,最后利用局部自适应阈值分割和差影法检测缺陷,并标注缺陷的位置及信息。实验结果表明,提出的方法对平移和旋转的稳健性好,能够有效地检测出LCD显示缺陷,检测准确率达到98.667%。